Matlab和Python的初始化内存开销

本文探讨了在Matlab中创建大型全零矩阵时遇到的内存限制问题,以及如何通过使用sparse函数来创建稀疏矩阵,允许声明更大的矩阵尺寸。相比之下,Python在初始化大矩阵时也有类似的问题,但对于全零向量仍能处理较大的规模。这种差异展示了稀疏矩阵在处理大量数据时的重要性。
摘要由CSDN通过智能技术生成

Matlab矩阵初始化:

A=zeros(10000,10000);
A=zeros(20000,20000);
A=zeros(30000,30000);
错误使用 zeros
请求的 30000x30000 (6.7GB)数组超过预设的最大数组大小。创建大于此限制的数组可能需要较长时间,并且会导致
MATLAB 无响应。有关详细信息,请参阅 array size limit 或预设面板。
维数为30000及以上,则会提示出现上面的错误

但可以使用sparse

B=sparse(30000,30000)
B =
全零稀疏矩阵: 30000×30000

B=sparse(50000,50000)
B =
全零稀疏矩阵: 50000×50000
B=sparse(100000,100000)
可以申明上百万的稀疏矩阵

Python矩阵初始化:(64bit)
矩阵

A=np.zeros((20000,20000));
可以申明,但是对于

A=np.zeros((30000,30000));
将会出现Memoryerror
向量
A=np.zeros(5000000)
5百万也是可以的

以上根据个人电脑而言

  • 4
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值